一种无需衍生化的SPE-SBSE-TD-GC-GC-MS方法对葡萄酒中微量羰基化合物进行高灵敏度定量分析

《Talanta》：High-sensitivity quantification of trace carbonyl compounds in wine by a derivatization-free SPE-SBSE-TD-GC-GC-MS approach

　　玛丽亚·布努埃尔-埃斯库德罗 | 莫妮卡·布埃诺 | 维森特·费雷拉 | 伊格纳西奥·昂塔尼昂
香气与酿酒学分析实验室（LAAE）
萨拉戈萨大学分析化学系，阿拉贡农业食品研究所（IA2）（UNIZAR-CITA）

**摘要**
微量羰基化合物在葡萄酒香气中起着关键作用，因为它们的感官阈值极低。分析上的挑战在于这些化合物的结构多样性——它们具有广泛的挥发性和极性，并且存在于复杂的基质中，浓度极低。目前的方法通常依靠衍生化来提高灵敏度和稳定性。本文提出了一种高灵敏度的、无需衍生化的分析策略，用于定量葡萄酒中的酮类、醛类、烯醛和二烯醛，该策略结合了固相萃取（SPE）和搅拌棒吸附萃取（SBSE），随后进行热脱附和全谱气相色谱-质谱联用（TD-GC-(FID)-GC-MS）。

影响萃取效率和质量谱性能的关键参数经过了系统优化，包括SPE穿透体积、洗脱条件、SBSE稀释因子、离子强度、分析物负荷和萃取时间。采用“心切”（heart-cutting）色谱技术提高了对这些羰基化合物的分离度和选择性，同时减少了干扰和仪器噪声，从而提升了整体灵敏度。验证后的方法表现出良好的线性、重复性（<10%）和再现性（<13%），其检测限低于已报告的感官阈值。该方法成功应用于63个年轻的红葡萄酒样本，能够定量广泛的微量羰基化合物。通过在复杂基质中消除衍生化同时实现高灵敏度和稳健的性能，该策略代表了葡萄酒中微量羰基化合物测定的重要进展。

**1. 引言**
葡萄酒具有高度复杂的香气特征，由其所属的不同化学家族的多种挥发性化合物共同构成。其中，微量羰基化合物（包括醛类和酮类）在感官感知中起着关键作用，因为它们的嗅觉阈值非常低（≤ μg/L），并与葡萄酒陈酿过程中的氧化反应密切相关[3]。此外，这些化合物可能会给葡萄酒带来不希望的香气，通常被描述为“油腻”或“变质”，从而掩盖其正面的感官特性[4]。烯醛主要来源于不饱和脂肪酸的氧化[4]，同时还有酮类、醛类和二烯醛。因此，准确量化这些化合物对于理解与氧化相关的香气变化和可靠地进行香气预测至关重要。

除了氧化引起的感官偏差外，绿色或植物的香气特征也是葡萄酒香气质量的重要方面。六碳醛及其相应的醇类和甲氧基吡嗪被认为是葡萄、葡萄汁和葡萄酒中植物性、草本性、绿色和未成熟气味的贡献者。甲氧基吡嗪在某些葡萄品种中尤为常见，如赤霞珠（Cabernet Sauvignon）、长相思（Sauvignon Blanc）、梅洛（Merlot）和卡贝内弗朗（Cabernet Franc）[5, 6, 7, 8, 9, 10]。然而，在非典型的吡嗪类品种中，绿色醛的存在可能导致植物性气味的显现，这通常被视为一种香气缺陷。此外，一些传统上归因于六碳醛的绿色气味实际上可能来源于九碳醛。例如（E）-2-壬烯醛[11]和（E,Z）-2,6-壬二烯醛[12]在这方面尤为值得注意。还有其他羰基化合物也被明确归类为葡萄酒中绿色香气的潜在贡献者。正如阿里亚斯-佩雷斯等人[13]所证明的，红葡萄酒中的“绿色植物”气味可能是由多种化学物质在乙醛存在下的协同作用引起的。然而，由于这些化合物通常以微量且非常低的浓度存在，单独监测它们仍然具有挑战性。因此，一种高灵敏度的微量烯醛和二烯醛定量方法对于准确评估它们对葡萄酒绿色香气特征的贡献至关重要。

**2. 方法**
**2.1. 溶剂、标准和样品**
本研究使用的溶剂为己烷（Hexane，有机微量分析级）和乙醚（Diethyl Ether，LiChrosolv HPLC级），均购自德国达姆施塔特的Merck公司；无水乙醇（Absolute Ethanol，购自西班牙巴塞罗那的VWR Chemicals?）；二氯甲烷（Dichloromethane）和甲醇（Methanol，Distol农药残留级，购自西班牙巴塞罗那的Scharlab S.L.）。Milli-Q水通过Millipore?纯化系统（德国贝德福德）对去离子水进行纯化获得。

**2.2. 分析方法**
**2.2.1. 固相萃取（SPE）和搅拌棒吸附萃取（SBSE）**
SPE和SBSE结合使用，以提高萃取效率和质量谱选择性。SPE穿透体积、洗脱条件、SBSE稀释因子、离子强度、分析物负荷和萃取时间等参数经过系统优化。SBSE增加了这些羰基化合物的分离度和选择性，同时减少了干扰和仪器噪声，从而提高了整体灵敏度。

**2.2.2. 气相色谱-质谱联用（TD-GC-(FID)-GC-MS）**
采用热脱附和全谱气相色谱-质谱联用技术进行检测。样品以无衍生化方式直接注入，避免了衍生化带来的问题。

**2.2.3. 方法验证**
该方法在63个年轻红葡萄酒样本中得到了成功应用，能够在较宽的浓度范围内定量微量羰基化合物。该方法在复杂基质中实现了高灵敏度和稳健性能，代表了葡萄酒中微量羰基化合物测定的重要分析进展。氦气被用作载气，流速恒定为40.5厘米/秒。分析使用的是GC-MS系统，该系统由气相色谱仪与四极杆质谱仪相连，并采用电子离子化（EI）模式。质量分析器在SCAN模式下用于化合物鉴定，在单离子监测（SIM）模式下用于定量。离子源和传输线的温度分别为220°C和230°C。SIM窗口和目标离子的详细信息见补充材料中的表A1.2.2.2。

为了优化搅拌棒吸附萃取（SBSE），系统地评估了萃取稀释度、萃取体积、盐浓度和萃取时间的影响[39]。使用的搅拌棒（长度20毫米，膜厚1毫米）涂有126微升的聚二甲基硅氧烷（PDMS），购自Gerstel GmbH & Co. KG（德国米尔海姆-安-德尔-鲁尔）。实验在25毫升的Erlenmeyer烧瓶中重复进行。在每次实验中，不同的萃取体积被超纯水稀释至固定最终体积，并加入不同量的NaCl以调整离子强度[40]。萃取通过在1000转/分钟的速度下搅拌不同时间来进行。被萃取的化合物通过TD-GC-(FID)-GC-MS进行分析，并比较不同条件下的峰面积。测试的参数总结在表1中。

表1. 用于优化萃取的实验因素和数值
变量 总体积（毫升） 萃取体积（微升） (%) NaCl 萃取时间（分钟）
2.5；5；7.5；10 200 20 60
萃取体积 7.5 100；200；400 20 60
离子强度 7.5 400；13；26 60
萃取时间 7.5 400；26 60；180

2.3. TD-GC-(FID)-GC-MS色谱条件
挥发性化合物使用配备TD-30R热脱附单元（Shimadzu）和Deans切换阀的GC-GC系统（日本东京，Shimadzu）进行分析。该阀门可以有选择地将化合物转移到火焰离子化检测器（FID）进行一维（1D）检测，或转移到与QP-2010 Plus四极杆质谱仪相连的二维（2D）柱上。Twister?搅拌棒在300°C下热脱附10分钟（氦气流量50毫升/分钟），然后在-15°C下冷冻聚焦到Tenax内部捕集器中，并在50°C下干燥清洗7.5分钟。化合物通过250°C的加热管线注入第一柱。注射采用分流模式（1:5），压力保持恒定（220.6千帕）。GC-GC系统包括两个正交柱（极性和非极性），分别放置在不同的烤箱中。第一烤箱程序：40°C（5分钟），然后以4°C/分钟加速至145°C，6°C/分钟加速至200°C，再以8°C/分钟加速至240°C（保持20分钟）。一维柱为极性ZB-FFAP（30米×0.25毫米×0.25微米；Phenomenex）。柱出口连接到FID（氢气流：40毫升/分钟，空气流：400毫升/分钟，氮气流：20毫升/分钟），温度为270°C。第二烤箱程序：40°C（25分钟），然后以4°C/分钟加速至145°C，6°C/分钟加速至200°C，再以8°C/分钟加速至300°C（保持5分钟）。二维柱为非极性ZB-5MSplus（30米×0.25毫米×1微米；Phenomenex）。第二柱连接到采用EI离子化模式的四极杆质谱仪（离子源温度：200°C，接口温度：240°C），在SCAN（鉴定）或SIM（定量）模式下采集数据。通过Deans切换接口应用了十一个切割窗口，以实现从一维到二维的选择性转移。分析细节包括保留时间、切割窗口和SIM参数，详见补充材料中的表A2和A3。

2.3. 提出的方法
打开葡萄酒瓶子，立即将15毫升样品转移到装有隔膜的20毫升螺旋盖小瓶中。向样品中加入90微升内标溶液，使其最终浓度达到60微克/升。加标后的样品装载到预先用2毫升二氯甲烷、2毫升甲醇和2毫升12%（体积/体积）乙醇水溶液处理的SPE柱上。通过用1.5毫升含1%（重量/重量）NaHCO3的30%（体积/体积）甲醇水溶液洗涤来去除基质干扰。在真空下干燥柱子后，用1.2毫升乙醇洗脱羰基化合物和内标。在SBSE步骤中，将400微升乙醇提取物与7.1毫升Milli-Q水及2克NaCl混合，在25毫升Erlenmeyer烧瓶中搅拌萃取1小时。然后通过TD-GC-(FID)-GC-MS进行热脱附和分析。

2.4. 方法验证
2.4.1. 精确度、线性、检测限和真度
通过在含有5微克/升添加剂的合成酒和红葡萄酒中分别分析三个Twister?搅拌棒和一个独立的SPE提取物，评估了重复性和再现性。使用基于分析物/3-辛酮响应比的加权（1/x）校准曲线，评估了合成酒和真实红葡萄酒的线性（八个浓度水平，加上空白两次重复）。检测限或定量限（LD或LQ）定义为信噪比为3和10，分别使用峰高和局部基线噪声。通过在不同添加剂的六种红葡萄酒样本中进行回收实验来评估方法的真度。这些性能指标也在混合酒样本中进行了评估。

2.5. 数据处理
实验数据以平均值±标准差表示。结果使用方差分析（ANOVA）进行分析，而平均值则使用Tukey检验（XLSTAT for Excel，版本19.03）进行比较。p值≤0.05被认为是统计学上显著的，图中使用字母表示平均值之间的显著差异。

2.6. SPE–SBSE预浓缩和双柱GC配置的比较实验
为了证明所提出方法的技术要求，进行了三项比较研究。首先，通过将所提出的方法与直接SBSE提取6毫升含10微克/升添加剂的真实葡萄酒进行比较，评估了SPE清洗的必要性。其次，通过将100微升洗脱液加载到Tenax?吸附管上来比较SBSE步骤的灵敏度[41]。最后，通过在真实葡萄酒中模拟单维分离（将一维柱保持在240°C以直接将整个样本传递到二维柱和质谱仪）来评估双柱GC-GC配置的必要性。

2.7. 真实红葡萄酒样本的定量
分析了来自五个不同地区的63种年轻格拉纳许红葡萄酒。定量使用在真实年轻红葡萄酒基质中准备的校准曲线进行。

2.8. 真实红葡萄酒样本的定量
根据ASTM E679-04标准实践，确定了合成酒中的气味检测阈值。采用了一种三选一的强制选择方法，使用递增的浓度系列和恒定的稀释因子。对于每个步骤，向评委呈现三个样本，其中只有一个样本被添加了添加剂，并要求他们识别不同的样本。个体气味检测阈值计算为最后一个错误响应浓度和第一个正确响应浓度的几何平均值。每种分析物的最终组阈值确定为各个值的几何平均值。

3. 结果与讨论
本研究的目的是开发一种稳健的方法，用于检测可能影响红葡萄酒绿色香气的微量羰基化合物。该方法结合了SPE和SBSE以提高灵敏度，而GC-GC通过显著降低背景噪声提高了分析选择性，在许多情况下也提高了灵敏度。

3.1. 固相萃取优化
3.1.1. 突穿体积优化
为了评估可以加载到SPE柱上的最大样品体积而不导致显著分析物损失，评估了BV。通过在5毫升流出液馏分中分析目标分析物来确定BV。最初测试了六烷作为液-液萃取溶剂，但由于乳状液的持续存在而无法分离；因此改用了DCM。萃取后，通过GC-MS分析各馏分。BV定义为含有低于原始样品中分析物量10%的最大流出液体积。假设最大面积对应于未通过柱子的添加样品，计算了百分比损失（图1；详见补充材料中的表A4）。

**图1. 分析物损失百分比与加载样品体积的关系。10%损失阈值用水平红线表示；保留最少的化合物被突出显示。**根据这一标准（<10%损失），最成问题的分析物是最轻和最极性的：(E)-己烯醛、(E,E)-2,4-己二烯醛和(E,E)-2,4-庚二烯醛。疏水性树脂保留更多具有较高Log P值的非极性化合物[42]，因此BV随着Log P的增加而增加。考虑到这些结果，选择了20毫升的BV，并确定了15毫升的样品加载体积，以确保C6不饱和醛的损失低于10%。

3.1.2. 洗脱剂类型和体积优化
SPE的洗脱剂选择考虑了分析物性质、固相特性和分析兼容性，极性和洗脱强度是实现完全分析物脱附的关键因素。将15毫升添加样品加载到SPE柱后，使用5毫升选定的溶剂洗脱保留的化合物，然后收集到八个500微升的馏分中。然后计算每种分析物在收集馏分中的相对分布值与总洗脱量之间的关系。接着绘制了累积平均百分比图以评估洗脱效率（图2）。该图展示了四种代表性化合物的累积洗脱曲线，每种化合物对应于一个化学家族（烷醛、烯醛、烯二醛和酮），从而说明了不同洗脱剂在回收目标化合物方面的效率。

3.2. 搅拌棒吸附萃取优化
系统地优化了多个参数以提高SBSE的效率。所有实验都在控制的萃取条件下重复进行。图3显示了四种目标化合物的代表性结果，其余化合物的结果见补充材料（表A5）。

3.3. GC-MS条件的优化
首先，通过比较所提出的方法与直接SBSE提取6毫升含10微克/升添加剂的真实葡萄酒，评估了SPE清洗的必要性。其次，通过将100微升洗脱液加载到Tenax?吸附管上来比较SBSE步骤的灵敏度[41]。最后，在真实葡萄酒中模拟了一维分离，保持一维柱在240°C以直接将整个样品传递到二维柱和质谱仪，评估了双柱GC-GC配置的必要性。

3.4. 真实红葡萄酒样本的定量
共分析了来自五个不同地区的63种年轻格拉纳许红葡萄酒。定量使用在真实年轻红葡萄酒基质中准备的校准曲线进行。

3.5. 气味检测阈值的确定
根据ASTM E679-04标准实践，在合成葡萄酒中确定了气味检测阈值。采用了一种三选一的强制选择方法，使用递增浓度系列和恒定稀释因子。对于每个步骤，向评审员呈现三个样本，其中只有一个样本被添加了添加剂，并要求他们识别不同的样本。个体气味检测阈值计算为最后一个错误响应浓度和第一个正确响应浓度的几何平均值。每种分析物的最终组阈值确定为各个值的几何平均值。

本研究旨在开发一种稳健的方法，用于检测可能影响红葡萄酒绿色香气的微量羰基化合物。该方法结合了SPE和SBSE以提高灵敏度，而GC-GC通过显著降低背景噪声提高了分析选择性。因此，1小时被选为提高效率的最佳时间。这一选择得到了先前研究[31, 35]的支持：Castejón-Musulén等人采用了1小时的提取时间[35]，Wen, Y.等人观察到在1小时时信号最强[31]，表明较短的时间并不能提高葡萄酒挥发性化合物的回收率。因此，最终优化的SBSE条件为：400 μL的SPE提取液用水稀释至7.5 mL，加入2 g NaCl，并进行1小时的提取。3.3 方法验证在确定了最佳提取条件后，通过评估其主要分析性能参数，对合成红葡萄酒和真实红葡萄酒中的15种羰基化合物进行了方法验证。表2和表4显示了包括精确度、线性、灵敏度、基质效应和回收率在内的优点指标。表2. 葡萄酒中羰基化合物定量分析方法的验证参数（精确度、线性、灵敏度和基质效应）。空单元格葡萄酒气味阈值（μg/L）精确度（RSD%）（n=3）线性（n=2）灵敏度（μg/L）（n=2）基质效应合成葡萄酒真实葡萄酒合成葡萄酒真实红葡萄酒重复实验重复实验范围（μg/L）R2范围（μg/L）R2LDLQLDLQSlope比较（p值）己醛53.058%8%10%2%70 - 0.2800.99770 - 0.0960.9910.0070.0230.0090.029<0.05(E)-2-己二烯醛0.038%11%13%8%20 - 0.0270.98220 - 0.0820.9900.0080.0270.0210.069n.s.(E,E)-2,4-己二烯醛74.826%12%9%5%80 - 0.9880.95980 - 0.9880.9840.2230.7430.2800.932<0.001(E,E)-2,4-庚二烯醛17.934%7%1%13%60 - 0.2470.98260 - 0.2470.9710.0240.0800.0300.099n.s.(E)-2-辛烯醛2.004%9%8%5%20 - 0.0820.99820 - 0.2470.9960.0060.0200.0040.015<0.001非醛8.509%14%1%9%30 - 0.1230.99330 - 0.3700.9690.0020.0070.0030.009n.s.(E,E)-2,4-辛二烯醛0.564%2%10%0%20 - 0.0270.99520 - 0.0270.9880.0070.0230.0070.024<0.01(E)-3-壬烯-2-酮14.347%1%7%2%60 - 0.2470.98660 - 0.0820.9600.0010.0030.0020.006n.s.(E,Z)-2,6-壬二烯醛0.027%1%10%6%10 - 0.0410.99310 - 0.1230.9850.0120.0400.0180.058<0.001(E)-2-壬烯醛0.6*8%1%7%12%20 - 0.0820.98220 - 0.2460.9910.0220.0730.0730.242<0.05(E,E)-2,4-壬二烯醛0.076%1%10%0%10 - 0.0410.99410 - 0.0140.9830.0110.0380.0010.003n.s.3-甲基-2,4-壬二酮0.02**3%2%7%2%10 - 0.0410.97710 - 0.0410.9880.0030.0100.0040.013<0.001(E)-2-癸烯醛0.4111%1%5%7%20 - 0.0820.98420 - 0.7400.9870.0190.0630.1260.421<0.001(E,E)-2,4-癸二烯醛0.039%1%1%10%10 - 0.0410.98510 - 0.0410.9890.0110.0360.0060.018<0.001(E,E)-2-十一烯醛0.1613%3%4%8%20 - 0.0820.99020 - 0.0270.9820.0100.0330.0020.008<0.01本研究中所有的气味检测阈值都是在本研究中确定的，除非*是从Culleré等人[4]那里取得的，**是从Pons等人[28]那里取得的。表4. 在六种红葡萄酒中测试的羰基化合物定量分析方法的回收率。空单元格% 回收率RW1RW2RW3RW4RW5RW6己醛81%89%82%91%63%86%(E)-2-己二烯醛99%131%111%132%104%103%(E,E)-2,4-己二烯醛104%105%106%138%118%112%(E,E)-2,4-庚二烯醛120%127%113%120%123%113%(E)-2-辛烯醛103%104%86%102%100%101%非醛95%86%113%80%97%88%(E,E)-2,4-辛二烯醛109%103%97%93%89%100%(E)-3-壬烯-2-酮97%90%95%91%87%93%(E,Z)-2,6-壬二烯醛122%117%111%111%114%116%(E)-2-壬烯醛102%96%97%94%91%99%(E,E)-2,4-壬二烯醛82%102%110%100%105%106%3-甲基-2,4-壬二酮103%94%102%93%91%103%(E)-2-癸烯醛108%91%108%100%83%91%(E,E)-2-癸二烯醛82%84%78%83%83%102%(E,E)-2,4-十一烯醛87%115%97%90%107%102%精确度令人满意。大多数真实葡萄酒中分析物的重复性（RSD%）低于10%，(E,E)-2,4-庚二烯醛和(E,E)-2-壬烯醛的值略高。所有合成和真实葡萄酒中化合物的再现性均低于13%。通过使用八个浓度水平的加标样品确认了线性，所有化合物的确定系数（R2）均高于0.96，大多数化合物的R2高于0.98。加权回归（1/x）在低浓度下提高了准确性，确保了即使对于低阈值化合物也能进行可靠的校准。例如，(E,E)-2,4-辛二烯醛在两种基质中都表现出接近理想的线性（R2 ≈ 0.99）。灵敏度很高，检测限低至1 μg/L，无论是真实葡萄酒还是合成基质。合成葡萄酒中的定量限通常低于80 ng/L，而在真实葡萄酒中范围为3至932 ng/L，允许使用ASTM标准E679-04描述的强制选择升序浓度系列方法检测到或低于感官阈值。与现有文献相比，我们的方法在分析性能上取得了显著进步，实现了更高的灵敏度和更广泛的分析物范围，特别是在葡萄酒中的绿色香气羰基化合物方面，无需样品衍生化，如表3所述。表3. 与先前报道的方法相比，所开发方法在确定葡萄酒中绿色香气羰基化合物方面的分析性能比较。评估包括衍生化要求、方法范围（常见分析物的数量）以及将文献中报道的常见分析物的最低检测限（LD）与本研究中实现的LD进行比较。方法衍生化数量常见分析物数量方法之间的灵敏度比较（μg/L）参考文献最低LD（SPE-SBSE-TD-GC-(FID)-GC-MS）SPME-GC-MS（NCI）是30.004 (E)-2-己二烯醛0.021[15]HS-SPME-GC-MS是60.031 (E)-2-己二烯醛0.021[43]GC-MS是20.15 (E)-2-辛烯醛0.004[14]HS-SPME-GC-MS/MS否6n.a.-[44]HS-SPME-GC-ITMS否32.01 己醛0.009[45]GC–QQQ–MS否50.009 (E)-2-辛烯醛0.004[30]LC–QQQ–MS否50.12 非醛0.003[29]GC：气相色谱；HS：顶空；ITMS：离子阱质谱；LC：液相色谱；LD：检测限；MS：质谱；MS/MS：串联质谱；n.a.：不可用；NCI：负化学电离；QQQ：三重四极杆；SBSE：搅拌棒吸附萃取；SPE：固相萃取；SPME：固相微萃取；TD：热脱附。通过斜率比较评估的基质效应对于10种分析物来说是显著的（p < 0.05），表明信号变化是由于基质干扰造成的。因此，使用匹配基质的校准曲线进行了定量。通过六种红葡萄酒中的回收实验进一步评估了方法的真实性。大多数化合物的回收率在80-120%之间。在一些葡萄酒中，(E)-2-己二烯醛、(E,E)-2,4-己二烯醛和(E,E)-2,4-庚二烯醛的回收率略高于120%。只有一个己醛的值低于80%，可能是由于样品特异性效应。不同样品之间的回收结果是一致的。通过斜率比较评估的基质效应对于10种分析物来说也是显著的（p < 0.05），表明信号变化是由于基质干扰造成的。通过六种红葡萄酒中的回收实验进一步评估了方法的真实性。大多数化合物的回收率在80–120%之间。总体而言，该方法被证明具有灵敏度高、精确度好，适用于复杂葡萄酒基质中羰基化合物的常规定量。在米斯特莱斯（mistelles）作为基质的情况下，如表5和表6所示，精确度结果与葡萄酒获得的结果相当，重复性和再现性值（RSD%）在3%到13%之间。尽管工作范围比葡萄酒稍窄，但线性仍然得到保持，尽管R2值通常在0.96到0.99之间。米斯特莱斯的灵敏度通常低于葡萄酒。例如，己醛的LD从葡萄酒中的9 ng/L增加到米斯特莱斯中的27 ng/L；对于(E)-2-壬烯醛，从73 ng/L增加到223 ng/L；对于(E,E)-2,4-十一烯醛，从2 ng/L增加到22 ng/L，大约高一个数量级。如葡萄酒中观察到的，合成基质和米斯特莱斯之间的斜率比较显示出显著差异，证实了基质效应的存在。尽管进行了回收测试，但结果并不令人满意，有几个分析物的回收率超出了可接受的±20%范围。这些结果表明不同米斯特莱斯之间的基质效应强烈且变化较大，强调了在这种基质中应用标准添加法进行准确定量是必要的。表5. 米斯特莱斯中微量羰基化合物定量分析方法的验证参数（精确度、线性、灵敏度和基质效应）。空单元格精确度（RSD%）（n=3）线性（n=2）灵敏度（μg/L）（n=2）基质效应重复实验重复范围（μg/L）R2LDLQp值己醛8%10%7.7 - 0.0920.9850.0270.089<0.05(E)-2-己二烯醛7%12%2.2 - 0.0820.9690.0220.073<0.001(E,E)-2,4-己二烯醛5%8%2.9 - 0.320.9880.0810.271<0.05(E,E)-2,4-庚二烯醛9%3%2.2 - 0.0820.9980.0200.066n.s.(E)-2-辛烯醛9%6%2.2 - 0.0820.9960.0240.08<0.001非醛4%13%10 - 0.1230.9950.0290.095<0.001(E,E)-2,4-辛二烯醛12%7%6.6 - 0.0820.9720.0110.037<0.001(E)-3-壬烯-2-酮13%9%6.6 - 0.0820.9990.0100.032n.s.(E,Z)-2,6-壬二烯醛13%9%1.1 - 0.0410.9840.0070.023<0.001(E)-2-壬烯醛13%9%6.6 - 0.740.9860.2220.743<0.001(E,E)-2-壬烯醛13%0%1.1 - 0.0410.9930.0100.036n.s.3-甲基-2,4-壬二酮10%13%1.1 - 0.0410.9950.0070.025<0.001(E)-2-癸烯醛12%11%2.2 - 0.0820.9850.0190.064<0.001(E,E)-2,4-癸二烯醛8%8%3.3 - 0.0410.9590.0110.035<0.001(E,E)-2,4-十一烯醛9%9%2.2 - 0.0820.9770.0220.073<0.01表6. 在六种米斯特莱斯中测试的微量羰基化合物定量分析方法的回收率。空单元格% RECM1M2M3M4M5M6己醛116%972%117%216%152%98%(E)-2-己二烯醛157%986%265%277%246%183%(E,E)-2,4-己二烯醛92%198%102%141%111%103%(E,E)-2,4-庚二烯醛62%166%65%82%67%68%(E)-2-辛烯醛124%388%122%43%148%136%非醛82%181%92%106%79%44%(E,E)-2,4-辛二烯醛101%294%92%150%124%117%(E)-3-壬烯-2-酮131%402%144%202%161%155%(E,Z)-2,6-壬二烯醛